基于决策树梯度提升的经导管主动脉瓣植入术后死亡率预测
机器学习
2020-01-09 v1 计算机与社会
机器学习
摘要
当前心脏外科的预后风险评分基于统计学方法，尚未受益于机器学习。统计预测因子不够稳健，无法正确识别哪些患者将受益于经导管主动脉瓣植入术（TAVI）。本研究旨在创建一种机器学习模型，以预测患者 TAVI 术后一年死亡率。我们采用了一种专为类别特征设计的现代决策树梯度提升算法。结合近期的一种模型解释技术，我们开发了特征分析与选择阶段，从而能够识别对预测最重要的特征。在将特征分析结果向临床专家解释并讨论后，我们基于最相关的特征构建预测模型。我们在 270 例 TAVI 病例上验证了模型，达到 0.83 的 AUC。我们的方法优于几种广泛使用的预后风险评分，例如 logistic EuroSCORE II、STS 风险评分和 TAVI2-score，这些评分被全球心脏病学家广泛采用。
引用
@article{arxiv.2001.02431,
title = {Gradient Boosting on Decision Trees for Mortality Prediction in Transcatheter Aortic Valve Implantation},
author = {Marco Mamprin and Jo M. Zelis and Pim A. L. Tonino and Svitlana Zinger and Peter H. N. de With},
journal= {arXiv preprint arXiv:2001.02431},
year = {2020}
}